Elegir dónde abrir un nuevo almacén, sucursal o centro de distribución — equilibrar coste de transporte, tiempo de servicio y cobertura de clientes (en la literatura: Facility Location).
En pocas palabras
¿Te suena?
- La empresa ha crecido, el volumen de pedidos es 2–3 veces mayor; desde el almacén actual los costes de envío al país se han disparado, pero la decisión 'dónde abrir el nuevo almacén' se sigue posponiendo
- Los clientes piden 'mismo día' o '24 horas'; desde la ubicación actual no se puede cumplir y no está claro en qué región invertir
- La pregunta '¿en la ciudad A o en la B?' lleva meses sobre la mesa de la dirección
- La viabilidad de la sede se hace por intuición — 'al lado de la fábrica' o 'cerca del puerto' — sin análisis matemático
- La capacidad actual del almacén está agotada, pero no se sabe si ampliar el actual o abrir uno nuevo
- En la red de delegaciones/sucursales, 'qué sucursal cerrar y cuál ampliar' lleva años en suspenso
- Hay empresas conocidas que tras 6–12 meses se dieron cuenta de que la decisión fue equivocada — las razones no están claras
Por qué importa
Cómo se resuelve
Profundidad técnica
Cómo se resuelve
Profundidad técnicaEn una frase: Abre el nuevo almacén no junto a la fábrica, sino cerca del centro de demanda — el promedio geográfico del volumen de pedidos de tus clientes. Después mueve ese punto 30–50 km para respetar alquiler y tiempo de servicio (alcance 24 h / 48 h). ‘Junto a la fábrica’ suele quedar 15–30 % por encima del óptimo.
Lo que el software realmente hace es esto: en lugar de comparar dos o tres ubicaciones a ojo, evalúa matemáticamente todas las candidatas, equilibrando coste de transporte, tiempo de servicio, alquiler, impuestos y restricciones de capacidad a la vez. Tres etapas:
1. Construye el mapa de demanda. Ubicaciones de clientes (por ciudad/distrito), volumen anual de pedidos por cliente, frecuencia, sensibilidad de entrega (horas/días), peso y volumen unitario. Almacenes y centros existentes, rutas actuales, tarifas de transporte (distancia × volumen). Los datos llegan del sistema de pedidos automáticamente o se introducen una vez en una tabla limpia.
2. Puntúa las candidatas. El software evalúa cada localización posible — centros urbanos, parques industriales, polígonos, ubicaciones aduaneras, puertos. Para cada candidata calcula numéricamente: coste total anual de transporte a todos los clientes, perfil de tiempo de servicio (cuántos clientes en 24 horas, en 48 horas), alquiler/impuestos/mano de obra estimados, tope de capacidad. Con algoritmos de investigación operativa (disciplina que usa matemáticas y computación para resolver decisiones de negocio) — p-mediana (dónde situar N instalaciones para minimizar la distancia media a los clientes) y localización con capacidad — selecciona la combinación óptima del conjunto de candidatas.
3. Apoya la decisión con escenarios. El software ofrece varios escenarios: ‘un almacén central’ / ‘dos almacenes regionales’ / ’tres almacenes locales’ comparados. Para cada escenario, coste total de propiedad (TCO) a 5 años, nivel de servicio y análisis de sensibilidad (¿qué pasa si la demanda crece 20 %, si el alquiler cambia 30 %?). En la mesa de decisión quedan cuatro o cinco números duraderos.
No sustituye al criterio del responsable; piénsalo como una calculadora que hace lo que tú haces con 5 escenarios, pero con 500 escenarios y análisis de sensibilidad integrado. La decisión sigue siendo tuya, pero la justificación de la inversión es numérica.
Alternativas
Intuición + una o dos comparaciones de escenario
GratisGratis
Para quién: 1 inversión, poca variedad de clientes, distribución simple
- + Coste cero
- + Decisión rápida (días, no semanas)
- + La dirección sigue cerca del terreno
- − No se consideran todos los sitios posibles
- − El nivel de servicio no se puede cuantificar
- − Falta visión de coste operativo a 5–10 años
- − Sin análisis de sensibilidad — ¿y si la demanda crece 20 %?
Estudio puntual de consultoría
Empresarial15.000–60.000 EUR por proyecto (precios pyme regional)
Para quién: 1–2 inversiones grandes, ventana de decisión 3–6 meses
- + Análisis profesional, equipo experimentado
- + Justificación numérica para la inversión
- + Conocimiento local (impuestos, incentivos, polígonos)
- − El proyecto dura 2–4 meses; en mercados rápidos llega tarde
- − Puntual — si la demanda cambia hay que volver a contratar
- − La lógica queda con el consultor, no en la empresa
Software local de diseño de red
Empresarial2.500–8.000 EUR/año por proyecto o en suscripción (precios pyme regional)
Para quién: 3–10 instalaciones existentes, reevaluación periódica, datos de pedidos disponibles
- + Interfaz y soporte en español
- + Mapas locales y matriz de distancias integradas
- + Comparación de escenarios en pantalla
- − Motor de optimización suele ser básico — limitado con conjuntos grandes de candidatas
- − Análisis de sensibilidad limitado
- − Modelado de demanda estocástica débil
Software internacional especializado de diseño de red
Empresarial50.000–300.000 EUR/año de licencia o proyecto 100.000–500.000 EUR
Para quién: 5+ instalaciones, varios países, estructuras fiscales e incentivos complejos
- + Maduro: cadena de suministro multinivel, demanda estocástica, optimización multicriterio
- + Bibliotecas fiscales e incentivos al día
- + Algoritmos endurecidos en años
- − Coste alto de licencia y consultoría
- − Preparación de datos 2–4 meses
- − Restricciones de contexto local (polígonos, incentivos regionales) requieren configuración a medida
Desarrollo propio sobre solver de código abierto
Código abiertoLicencia gratis; 8–16 semanas de desarrollo interno o 60.000–250.000 EUR de consultoría
Para quién: Distribuidor grande con equipo de datos y OR internos
- + Sin coste de licencia
- + Personalizable a tu estructura de costes y servicio
- + Soporte de decisión continuo en lugar de estudio puntual
- − Capacidad técnica interna obligatoria
- − Datos de mala calidad conducen a conclusiones engañosas
- − Mejor posicionado como sistema continuo de decisión, no estudio único
Recomendación
Pregunta en la reunión
- ¿Cómo se construye el conjunto de candidatas — sólo desde tu entrada o tiene el sistema una base de datos completa de ciudades, distritos y polígonos lista?
- ¿El coste de transporte se basa en tarifas reales (km × peso) o en distancia euclidiana simple? ¿Hay biblioteca de tarifas de transportistas regionales?
- ¿Se comparan automáticamente escenarios multi-instalación (1 vs 2 vs 3 almacenes) y opciones de capacidad distintas?
- ¿Qué tan detallado es el análisis de sensibilidad (demanda +20 %, alquiler +30 %)? ¿Soporta simulación Monte Carlo?
- ¿Las bibliotecas de impuestos locales, zonas de incentivo y rangos de alquiler están actualizadas?
- ¿El cálculo del coste total de propiedad (TCO) a 5 y 10 años está estandarizado? ¿Qué supuestos son visibles?
- ¿Cómo estructuráis el piloto — cuántos escenarios, cuántas semanas, qué umbral de éxito?
- Si dejamos de trabajar con vosotros, ¿cómo recuperamos modelos de escenario, datos de demanda y biblioteca de costes? ¿Hay export en formato estándar?
Detalles técnicos
Nota editorial
En la mesa de dirección este problema se llama ‘dónde poner el almacén’, ‘dónde abrir la nueva sucursal’ o ’la decisión de sede’. El nombre académico es Facility Location Problem. Empezó con la teoría de Alfred Weber de la localización de la industria en 1909, maduró en los años 60 con la programación matemática y hoy se estudia con extensiones sobre demanda estocástica, cadenas de suministro multinivel y huella de carbono. Sin ese vocabulario, en una demo de consultoría o software no podrás distinguir si el ‘análisis de localización’ que te venden es optimización real o sólo visualización en un mapa.
El punto que más se pasa por alto en este segmento: muchas consultoras y herramientas anuncian ‘análisis de localización’ pero por debajo calculan sólo el centro de gravedad — el punto geográfico medio ponderado por la demanda. Es un buen primer paso para un único almacén; para múltiples almacenes, restricciones de capacidad o decisiones sensibles a impuestos e incentivos, esa matemática es incompleta. En cualquier demo, pide ejecutar 3 escenarios (1 vs 2 vs 3 almacenes) con opciones de capacidad distintas y supuestos de crecimiento a 5 años, y pregunta ‘¿cómo se calcula el coste total de propiedad?’
Plan paso a paso para una pyme
Etapa 1 — Primero medir, después planificar. Durante al menos 12 meses registra cuatro cosas:
- Ubicaciones de clientes (por ciudad/distrito, idealmente coordenadas) y volumen anual de pedidos
- Coste de transporte desde el almacén actual a cada región (km × peso × tarifa)
- Tiempo de servicio actual (horas o días desde pedido a entrega)
- Coste operativo actual del almacén (alquiler, mano de obra, equipamiento, impuestos)
Sin esta línea base ni proveedor ni consultor pueden dar una recomendación defendible.
Etapa 2 — Lista de sedes candidatas. Compila 15–30 candidatas (ciudad/distrito o polígonos). Por candidata: rango de alquiler estimado, coste de mano de obra, estado de incentivos, infraestructura de transporte (autopistas, puertos, aeropuertos). Esta lista es tu capital de conocimiento — cualquier proveedor serio la pedirá primero.
Etapa 3 — Fase de modelado. Periodo de análisis de 6–16 semanas según el tamaño de la inversión. Define el criterio de éxito por escrito, antes del análisis: por ejemplo ‘coste total de distribución abajo 10 % en 18 meses tras la inversión, tiempo de servicio bajo 12 horas’.
Etapa 4 — Decisión y despliegue. Tras la decisión, 6–12 meses de implantación. Durante el despliegue almacén actual y nuevo operan en paralelo; en 3–6 meses el volumen migra al nuevo en fases.
Riesgos — qué puede salir mal
- Error en pronóstico de demanda. La inversión es a 5–10 años, pero el mercado puede cambiar. Hay que calcular escenarios estocásticos (demanda +20 %, –20 %).
- Foco en una sola cifra. Elegir la ciudad con el alquiler más bajo ignora el TCO — el alquiler suele ser 15–25 %, la mano de obra 40–50 %, el transporte 20–30 %.
- Normativa e incentivos locales. Polígonos, ventajas fiscales y zonas de incentivo regional pueden mover la decisión 2–3 puntos. El asesoramiento normativo local es imprescindible.
- Dependencia de un único proveedor. Software o consultores que guardan el modelo y los supuestos en formato propio dificultan análisis posteriores. Incluye una cláusula: ‘Podemos exportar el modelo y los datos en formatos abiertos estándar (CSV, JSON o similar) cuando lo solicitemos.’
Lección relacionada (se enlazará al publicarse): ‘Un distribuidor mediano abrió su segundo almacén en la ciudad B en lugar de la A, revirtió la decisión a los 14 meses — qué pasaron por alto.’
Visión técnica del método de solución
Esta sección reúne lo que necesitarás al hablar con un consultor o un equipo de software. La decisión se materializa como 4–5 cifras en la mesa de dirección, pero detrás están los métodos siguientes.
Enfoques principales para la localización:
| Enfoque | Uso típico | Necesidad de datos | Lógica de decisión |
|---|---|---|---|
| Centro de gravedad | Una instalación, primer paso | Baja | Punto medio geográfico ponderado por demanda |
| p-Mediana | Fijar número de instalaciones | Media | Minimizar distancia ponderada cliente → instalación más cercana |
| p-Centro | Tiempo de servicio crítico | Media | Minimizar la distancia al cliente más lejano |
| Set Covering | Cobertura dentro de distancia fija | Media | Cada cliente dentro de X km de al menos una instalación |
| Localización con capacidad (CFLP) | Restricciones reales | Alta | Sitio óptimo + capacidad + asignación |
| MIP estocástico | Alta incertidumbre de demanda | Alta | Coste esperado en escenarios de demanda |
Regla práctica: una sola instalación con decisión rápida → centro de gravedad. 2–5 instalaciones con restricciones de capacidad → CFLP. Multianual con demanda estocástica → MIP estocástico o análisis por escenarios.
La elección de la función objetivo cambia la forma de la solución:
- Coste total de transporte: ‘Minimizar flete’ — encaja con operaciones intensivas en transporte
- Nivel de servicio (por ejemplo % de entregas en 24 horas): ‘Calidad para el cliente’ — encaja con operaciones premium
- Coste total de propiedad (TCO): ‘Economía a 5–10 años’ — encaja con decisiones de inversión a largo plazo
- Huella de carbono: ‘Objetivo de sostenibilidad’ — encaja con operaciones bajo presión de sostenibilidad
La mayoría de despliegues reales usan una mezcla ponderada de los cuatro — la más común TCO × nivel de servicio.
Referencias académicas
Listadas en el bloque sources de esta página. La localización de instalaciones es uno de los campos más antiguos de la investigación operativa desde los años 60; el trabajo actual lo extiende con sostenibilidad, cadena multi-eslabón y omni-canal. INFORMS Interfaces y el archivo de la European Journal of Operational Research recogen casos en distribuciones reales.
Fuentes
- Daskin, M. S. (2013). Network and Discrete Location: Models, Algorithms, and Applications (2.ª edición). Wiley. Manual estándar del campo.
- Melo, M. T., Nickel, S. y Saldanha-da-Gama, F. (2009). Facility location and supply chain management — A review. European Journal of Operational Research, vol. 196 — revisión moderna del campo.
- Drezner, Z. y Hamacher, H. W. (eds., 2002). Facility Location: Applications and Theory. Springer. Revisión clásica y aplicada.
- INFORMS Interfaces — casos de aplicación de localización en distribución y comercio. informs.org/Publications/Interfaces
Glosario
- Localización de Instalaciones
- Decisión de dónde ubicar una nueva instalación (almacén, planta, sucursal, hospital) — optimización matemática entre puntos de demanda y costes.
- Diseño de Red
- Diseño estratégico de la estructura física y de flujos de una red de suministro o distribución — decisión de inversión a largo plazo.
- MIP
- Modelo de optimización donde parte de las variables de decisión deben ser números enteros (p. ej. número de camiones o de turnos).
Problemas relacionados
¿Qué cabe en un camión o contenedor, y en qué orden se carga?
Dado un camión, contenedor o vehículo de carga de dimensiones fijas, ¿qué disposición de cajas (o pallets) con tamaños, pesos y reglas de apilado distintos da la mayor tasa de utilización? El nombre matemático de esta pregunta es Three-Dimensional Bin Packing Problem (3D-BPP) o Container Loading Problem (CLP). Métodos que resuelven al mismo tiempo volumen, límites de peso, reglas de apilado, distribución del peso (balance) y orden de entrega (multi-drop) se estudian desde los 1990. Incluso un 5% de mejora en utilización aumenta entregas por vehículo de forma material para una pyme.
¿Qué Furgoneta a Qué Cliente, a Qué Hora?
Una flota local de reparto de 5–30 furgonetas planifica sus rutas diarias. Cada cliente tiene una ventana horaria (una tienda recibe entre 09:00 y 12:00; un restaurante solo antes de las 14:00). La decisión: a qué furgoneta asignar cada cliente, en qué orden visitarlos, de modo que todas las ventanas se cumplan, las horas de combustible y conductor sean mínimas, y ninguna furgoneta supere su capacidad. Un repartidor puede planificar a mano 30–50 paradas; por encima, la calidad cae — kilómetros vacíos, entregas tardías, segundas rutas y horas extra del conductor.